Model Hebb

[menuju akhir]

[KEMBALI KE MENU SEBELUMNYA]

DAFTAR ISI

1. Jaringan Hebb

2. Jaringan Hebb Untuk Pengenalan Pola

3. Video

4. Link Download

1. Jaringan Hebb[kembali]

    Perubahan nilai bobot dilakukan berdasarkan persamaan :

 wi (baru) = wi (lama) + xiy

    Algoritma :

• Inisialisasi semua bobot = wi = 0 (i = 1,..,n)

• Untuk semua vektor input s dan unit target t, dilakukan :

• Set aktivasi unit masukan xi =si (i=1, ..., n)

• Set aktivasi unit keluaran : y=t

• Perbaiki bobot menurut persamaan

wi (baru) = Δw (i=1, ..., n) dengan Δw = xiy

• Perbaiki bias menurut persamaan b (baru) = b (lama) + y

Contoh 4.1

Buatlah jaringan Hebb untuk menyatakan fungsi logika "dan" jika representasi masukan/keluaran yang dipakai adalah 

    a. Biner

    b. Masukkan biner dan keluaran bipolar

    c. Masukan dan keluaran bipolar

Penyelesaian :

    a.

Perubahan bobot dihitung dari perkalian data masukan dan targetnya

            Δw1 = x1t            Δw2 = x2t            Δw3 = x3t

Bobot wi baru = bobot wi lama + Δwi (i=1,2)

    b. Jika target berupa data bipolar

diperoleh w1=0, w2=0 dan b=-2

    c. Tabel masukan dan data bipolar nampak pada tabel 4.7

Diperoleh w1=2, w2=2 dan b=-2 

Contoh 4.2

Buatlah jaringan Hebb dengan 3 masukan dan sebuah target keluaran untuk mengenali pola tabel 4.10

Penyelesaian :

(w1 w2 w3 b) final = (1 1 1 1) + (-1 -1 0 -1) + (-1 0 -1 -1) + (0 -1 -1 -1) = (-1 -1 -1 -2) 

Bobot final =(w1 w2 w3 b) final = (1 1 1 1) + (-1 -1 1 -1) +  (-1 1 -1 -1) + (1 -1 -1 -1) = (0 0 0 -2) 

2. Jaringan Hebb Untuk Pengenalan Pola[kembali]

Jaringan Hebb dapat dipakai untuk mengenali pola. Dengan cara melatih jaringan untuk membedakan 2 macam pola.

Contoh 4.3

Diketahui 2 buah pola seperti huruf X dan O pada gambar 4.2. Gunakan jaringan Hebb untuk mengenali pola tersebut.

Penyelesaian :

Bobot jaringan setelah pola pertama dimasukan sama dengan nilai pola pertama :

1 -1 -1 -1 1; -1 1 -1 1 -1; -1 -1 1 -1 -1; -1 1 -1 -1 -1; 1 -1 -1 -1 1

bobot bias = 1

Perkalian masukan kedua dengan targetnya menghasilkan Δwi (i= 1, ..., 25) :

1 -1 -1 -1 1, -1 1 1 1 -1; -1 1 1 1 -1; -1 1 1 1 -1; 1 -1 -1 -1 1

Perubahan bobot bias = Δb = (-1).1 = -1

Jika Δw1 ditambahkan ke bobot jaringan hasil pola pertama maka diperoleh bobot final = w= 

2 -2 -2 -2 2; -2 2 0 2 -2; -2 0 2 0 -2; -2 2 0 2 -2; 2 -2 -2 -2 2

Bobot bias = 1 + (-1) = 0

Untuk menguji apakah bobot ini sudah dapat memisahkan kedua pola, maka dilakukan perkalian antara nilau unit masukan tiap pola dengan bobot final

Untuk pola 1, net = { 1(2) + (-1) (-2) + (-1) (-2) + (-1) (-2) + (1) (2)} + { (-1) (-2) + (1) (2) + (-1)0 +(1) (2) + (1) (-2)} + {(-1) (-2) + (-1) 0 + (1)  (2) + (-1) 0 + (-1) (-2)} + {(-1) (-2) + (1) (2) + (-1) 0 + (1) (2) + (-1) (-2)} + {(1) (2) + (-1) (-2) + (-1) (-2) + (-1) (-2) + (1) (2) } = 42. Maka f(net) = 1

Untuk pola 2, net = { (-1)(2) + (1) (-2) + (1) (-2) + (1) (-2) + (-1) (2)} + { (1) (-2) + (-1) (2) + (-1)0 +(-1) (2) + (1) (-2)} + {(1) (-2) + (-1) 0 + (-1)  (2) + (-1) 0 + (1) (-2)} + {(1) (-2) + (-1) (2) + (-1) 0 + (-1) (2) + (1) (-2)} + {(-1) (2) + (1) (-2) + (1) (-2) + (1) (-2) + (-1) (2) } = -42. Maka f(net) = -1

3. Video[kembali]

4. Link Download[kembali]

 Link video 1 klik disini

           Link video 2 klik disini 

 Simulasi

 Listing program

[menuju awal]